Académique Documents
Professionnel Documents
Culture Documents
de lgebra lineal
y geometra
Espacios vectoriales, matrices,
determinantes, espacio afn y eucldeo
Gerard Fortuny Anguera
ngel Alejandro Juan Prez
PID_00151937
FUOC PID_00151937
ndice
Introduccin ............................................................................................
Objetivos ...................................................................................................
FUOC PID_00151937
Resumen .................................................................................................... 54
Ejercicios de autoevaluacin ............................................................... 55
Solucionario ............................................................................................. 60
Glosario ..................................................................................................... 73
Bibliografa .............................................................................................. 74
FUOC PID_00151937
Introduccin
Este mdulo est dedicado a la revisin de conceptos y mtodos fundamentales de lgebra lineal y geometra, conceptos y mtodos que sern necesarios en
el estudio y comprensin de otros mdulos posteriores.
Entre los fundamentos conceptuales que se revisan en el presente mdulo estn los de espacio y subespacio vectorial, combinacin lineal, independencia
lineal, dimensin, matrices, determinantes, y ecuaciones de rectas y planos en
el espacio y algunos conceptos bsicos de la geometra mtrica (producto escalar, ortonormalidad, ngulos y distancias)
Los conceptos anteriores se aplican en mbitos diferentes: en programacin,
por ejemplo, se usa la terminologa de arrays unidimensionales para denotar a
los vectores y de arrays bidimensionales para referirse a las matrices; las ecuaciones de rectas y planos en 2D y 3D, as como las propias matrices, juegan un
papel relevante en el mbito de la informtica grfica; en el mbito de las redes
de telecomunicaciones, la teora de matrices sirve como fundamento a la teora de deteccin y correccin de errores (control de paridad, cdigos lineales,
etc.); tambin se utilizan matrices en teora de grafos, criptografa, etc.
El mdulo se presenta desde un enfoque netamente prctico, por lo que se incluyen ejemplos que ilustran los conceptos introducidos, as como outputs de
diferentes programas matemticos que se pueden utilizar a la hora de agilizar
o revisar los clculos.
FUOC PID_00151937
Objetivos
FUOC PID_00151937
1. Ejemplo introductorio
Consideremos una red de rea local (LAN) compuesta por varios ordenadores
servidores y varias decenas de ordenadores cliente. En cada jornada, el estado
de la LAN (en funcin del estado de los servidores) puede ser cualquiera de los
siguientes:
Estado A la LAN funciona correctamente ya que ningn servidor est
cado.
Estado B la LAN funciona con algn problema, ya que algn servidor ha
cado (el resto de servidores suplen su funcin).
Estado C la LAN no funciona, ya que todos los servidores han cado.
A partir del histrico de observaciones de los ltimos seis meses, se ha obtenido la siguiente tabla o matriz. En ella se muestran las probabilidades de que la
red pase de un estado X a otro Y de un da para otro (se supone que las condiciones de administracin, uso y mantenimiento de la LAN permanecen constantes durante ese perodo y seguirn as durante, como mnimo, otros seis
meses):
Hoy (da n)
Maana (da n 1)
Estado A
Estado B
Estado C
Estado A
3/4
1/2
1/4
Estado B
1/8
1/4
1/2
Estado C
1/8
1/4
1/4
FUOC PID_00151937
2. Espacios vectoriales
Recordad
Dados dos puntos en R2, P(p1, p2) y Q(q1, q2) se define el vector v = PQ como
Ejemplo 1
R2 = R R, con R el conjunto
de los nmeros reales:
Rn = R ...n... R
Nota
Consideraremos que dos vectores son iguales si tienen la
misma longitud, la misma direccin y el mismo sentido,
esto es las mismas coordenadas. En este caso hablamos de
vectores libres. Un vector libre
viene determinado nicamente por las coordenadas y para
representarlo en el plano ser
suficiente elegir el punto origen o el punto fin.
FUOC PID_00151937
Vectores de R3
Generalizando lo anterior a R3, consideramos a ste como el conjunto de todos los puntos del espacio representados en un sistema de coordenadas rectangulares del espacio, vase figura 2. Los vectores de R3 son triplas v = (v1, v2, v3)
donde un vector viene dado por sus tres coordenadas y se representa como un
segmento orientado con origen en un punto P(p1, p2, p3) de R3 y extremo en
otro punto Q(q1, q2, q3), de manera que v1 = q1 p1 , v2 = q2 p2 y v3 = q3 p3.
Figura 2
Ejemplo 2
Dados los puntos P(2, 3,1) y Q(3, 1 ,0) el vector PQ es el vector de origen
El vector QP es:
Generalizando las descripciones geomtricas de los vectores de R2 y R3 definimos los vectores de Rn.
Dados dos puntos en Rn, P(p1, p2, ..., pn) y Q(q1, q2, ..., qn), se define el
v = PQ = Q P = (q1, q2, ..., qn) (p1, p2, ..., pn) = (q1 p1, q2 p2, ..., qn pn)
FUOC PID_00151937
10
Dados dos vectores en Rn, u = (u1, u2, ..., un) y v = (v1, v2, ..., vn), y un
nmero k R, se definen las siguientes operaciones:
Suma de vectores: u v = (u1 v1, u2 v2, ..., un vn)
Observar que (u v) Rn
Producto de un vector por un escalar: k u = (k u1, k u2, ..., k un)
Observar que (k u) Rn
Ejemplo 3
Dados los vectores v = (1, 1) y u = (3, 1), su suma da como resultado:
v u = (1 3, 1 1) = (4, 2).
Dado el vector v = (2, 3) y el nmero real k = 3, el producto da como resultado: 3 v = (3 2,3(3)) = (6, 9).
Ejemplo 4
Dados los vectores v = (1, 1, 0) y u = (3, 1, 1), su suma da como resultado:
v u = (1 3, 1 1, 0 1) = (4, 2, 1).
Dado el vector v = (2, 3, 1) y el nmero real k = 3, el producto da como
resultado: 3 v = (3 2, 3 (3), 3 1) = (6, 9, 3).
Suma
Asociativa: (u v) w = u (v w)
Conmutativa: u v = v u
Existencia de elemento neutro: 0 V tal que u 0 u 0 u
Existencia de elemento opuesto: dado u V, v V tal que
uv=0=vu
Recordad
u V se lee u pertenece
al conjunto V.
u, v, w V significa Para
todo u, v, w que pertenecen
a V.
k, h, w R significa Para
todo k, h, w que pertenecen
a V.
0 V se lee Existe 0 que
pertenece a V.
FUOC PID_00151937
11
Producto
Distributiva I: k (u v) = k u k v
Distributiva II: (k h) u = k u h u
Asociativa: k (h u) = (k h) u
Existencia de elemento neutro: 1 u = u
Subespacio vectorial
Considrese el espacio vectorial real (R 3, , ) y el subconjunto no vaco
W = {(x, y, z) R3 / z 0} (es decir, W es el plano xy de R3). Pues bien, la estructura (W, , ) verifica que tanto la suma de dos elementos de W, como el
producto de un escalar por un elemento de W dan como resultado un nuevo
elemento de W. Se dice entonces que (W, , ) es un subespacio vectorial de
(R3, , ). Ms generalmente:
Sea (V, , ) un espacio vectorial real, se dice que (W, , ) es un subespacio vectorial de (V, , ) si se cumplen las siguientes condiciones:
1) W V
2) u, w W, u w W
3) u W, k R, k u W
En tal caso, se suele usar la notacin W V.
12
FUOC PID_00151937
Sea (V, , ) un espacio vectorial real, se dice que el vector v V es combinacin lineal de los vectores u1, u2, ..., un de V si existen k1, k2, ..., kn
nmeros reales tales que:
v k1 u1 k2 u2 ... kn un
Ejemplo 6
En (R2, , ), el vector (1, 3) es combinacin lineal de los vectores (1, 0)
y (0, 1), ya que:
(1, 3) = 1 (1, 0) (3) (0, 1).
En (R3, , ), el vector (2, 3, 1) es combinacin lineal de los vectores (1, 0, 0),
(0, 3, 1) y (0, 0, 1), ya que:
(2, 3, 1) = 2 (1, 0, 0) (1) (0, 3, 1) 2 (0, 0, 1).
Se demuestra que dado un conjunto de vectores {u1, u2, , un}, el conjunto formado por todas sus posibles combinaciones lineales es un subespacio vectorial.
Sea (V, , ) un espacio vectorial real y {u1, u2, ..., un} un conjunto de
vectores de V. Se llama espacio vectorial generado por {u1, u2, ..., un},
al subespacio vectorial de V formado por todas las combinaciones lineales que se pueden formar con los vectores {u1, u2, ..., un}, i.e.:
k u1, u2, ..., un l = { k1 u1 k2 u2 ... kn un / ki R i 1, 2, ..., n}.
El conjunto {u1, u2, ..., un} constituye un sistema generador del espacio
vectorial k u1, u2, ..., un l.
Ejemplo 7
Dados los vectores (1, 1, 3) y (2, 5, 6) de R3, el espacio vectorial que generan es:
k(1, 1, 3), (2, 5, 6)l = { k (1, 1, 3) h (2, 5, 6) / k, h R } =
= { k 2h, k 5h, 3k 6h) / k, h R }.
13
FUOC PID_00151937
Ejemplo 8
El conjunto de vectores {(1, 0, 0), (0, 1, 0), (0, 0, 1), (1, 1, 0)} constituye un
sistema generador de R3, ya que dado cualquier u = (u1, u2, u3) R3, se tiene
que:
u = u1 (1, 0, 0) u2 (0, 1, 0) u3 (0, 0, 1) 0 (1, 1, 0)
Por tanto, k(1, 0, 0), (0, 1, 0), (0, 0, 1), (1, 1, 0)l = R3
Observar que tambin se cumple: K(1, 0, 0), (0, 1, 0), (0, 0, 1)l = R3
Sea (V, , ) un espacio vectorial real y {u1, u2, ..., un} un conjunto de vectores de V. Los vectores u1, u2, ..., un son linealmente dependientes si
existe algn i {1, 2, ..., n} tal que ui se puede expresar como combinacin lineal del resto de vectores, i.e.:
ui = k1 u1 ... ki1 ui1 ki1 ui1 ... kn un .
i.e.: la ecuacin k1 u1 k2 u2 kn un 0 tiene una solucin no
trivial
Por el contrario, u1, u2, ..., un son linealmente independientes si no se
cumple la condicin anterior, i.e.: si dada la ecuacin
Ejemplo 9
Los vectores (3, 3, 2), (1, 1, 1) y (2, 2, 3) son linealmente dependientes, ya
que el vector (3, 3, 2) se puede escribir como combinacin lineal de los
otros dos. En efecto, observar que tomando k h 1 es cierta la ecuacin:
(3, 3, 2) k (1, 1, 1) h (2, 2, 3) (k 2h, k 2h, k 3h)
Ejemplo 10
Los vectores (1, 0) y (0, 1) son linealmente independientes. En efecto, si
consideramos la ecuacin:
FUOC PID_00151937
14
Se define el rango de un conjunto de vectores como el nmero mximo de vectores de dicho conjunto que son linealmente independientes.
Ejemplo 11
El conjunto de vectores {(1, 0, 0), (0, 1, 0), (0, 0, 1)} tiene rango 3, ya que
los tres vectores son linealmente independientes.
El conjunto de vectores {(1, 2, 3), (0, 2, 2), (1, 4, 5)} tiene rango 2, ya que
slo hay dos vectores linealmente independientes (el tercer vector es la
suma de los dos primeros).
El conjunto de vectores {(1, 0, 2), (2, 0, 4), (3, 0, 6)} tiene rango 1, ya que
slo hay un vector linealmente independiente (los vectores segundo y tercero son mltiplos del primero).
Podemos comprobar el resultado anterior con ayuda de software matemtico:
Figura 3
Sea (V, , ) un espacio vectorial real y B = {u1, u2, ..., un} un conjunto
de vectores de V tal que:
1) B es sistema generador de V.
2) B est formado por vectores linealmente independientes.
En tal caso, se dice que B es una base de V, y que la dimensin de V es n
(dim V n).
Nota
Esta definicin tiene sentido
porque se puede demostrar
que todas las bases de V tienen
el mismo nmero de vectores.
15
FUOC PID_00151937
Ejemplo 12
El conjunto B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es sistema generador de R3 y,
adems, los vectores de B son linealmente independientes. Por tanto, B es
una base de R3 y la dimensin de este espacio vectorial es 3. Otra de las
muchas bases de R3 sera, por ejemplo, B' = {(1, 1, 0), (0, 2, 0), (1, 0, 4)}.
En Rn, el conjunto de n vectores B = {(1, 0, ..., 0), (0, 1, ..., 0), (0, 0, ..., 1)}
es una base especial llamada base cannica. Tambin se suele usar la
notacin: e1 (1, 0, ..., 0), e2 (0, 1, ..., 0), ..., en (0, 0, ..., 1).
Ejemplo 13
En R3, el conjunto de vectores {(1, 0, 1), (2, 3, 1)} no puede ser un sistema generador de todo R3, ya que la dimensin de R3 es 3 y, por tanto, cualquier sistema generador de dicho espacio deber estar compuesto por 3 o ms vectores.
Por otra parte, los vectores {(1, 0, 1), (2, 3, 1), (0, 1, 1), (0, 1, 3)} no pueden ser
linealmente independientes, ya que, al ser la dimensin del espacio 3, ningn
conjunto con ms de 3 vectores cumplir la condicin de independencia lineal.
Ejemplo 14
En R3, el conjunto de vectores {(1, 0, 1), (0, 3, 1), (1, 1, 0)} constituyen una
base, ya que son 3 vectores linealmente independientes. Por otra parte, el
conjunto de vectores {(1, 0, 0), (0, 0, 1), (1, 1, 0)} constituye una base, ya
que es un sistema generador de todo R3 compuesto por 3 vectores.
Coordenadas de un vector en una base
El concepto de base de un espacio vectorial V permite definir un sistema de
coordenadas de V. La clave para poder definirlo es el siguiente teorema de representacin nica de un vector en una base:
Teorema. Sea B = {u1, , un} una base del espacio vectorial real V. Se
demuestra que para cada vector v de V existe un nico conjunto de
nmeros reales c1, , cn tales que
v c1 u1 cn un
Nota
El sistema de coordenadas nos
permite pensar cualquier espacio vectorial como si fuera Rn,
ya que un vector, dada una
base, viene determinado por n
nmeros.
FUOC PID_00151937
16
Ejemplo 15
Dada la base B = {(1, 0), (2, 1)} de R2 las coordenadas del vector (2, 3)
de R2 en la base B son c1, c2 R2 tales que (2, 3) = c1 (1, 0) + c2 (2, 1)
(c1 2c2, c2). Por tanto c1 = 8 y c2 = 3. Es decir, las coordenadas de (2, 3)
en la base B son 8 y 3.
Obsrvese que las coordenadas de (2, 3) en la base cannica de R2 son precisamente 2 y 3.
Dimensin de un subespacio
La definicin de base de un espacio vectorial se generaliza a subespacios:
17
FUOC PID_00151937
3. Matrices
x 4y z 4
x 3y 2 z 4
2x 2y 4
4 1
1 3
2 2
2
0
4
4
Esta tabla o matriz podra representar tambin otro tipo de informacin como,
por ejemplo, un conjunto de 4 vectores en R3:
v1 = (1, 1, 2), v2 = (4, 3, 2), v3 = (1, 2, 0), v4 = (4, 4, 4)
Observar que, en todo caso, la tabla o matriz anterior est compuesta por 12
elementos distribuidos en 3 filas (horizontales) y 4 columnas (verticales).
a11 a12
a21 a22
A
am1 am2
a1n
a2 n
amn
fila 1
fila 2
fila m
columna n
columna 2
columna 1
La matriz A tambin se suele representar por (aij), donde aij hace referencia al elemento que ocupa la fila i (1 i m) y la columna j (1 j n).
Una forma usual de decir que la matriz A tiene m filas y n columnas, es
decir que la dimensin o tamao de A es m n.
FUOC PID_00151937
18
Ejemplo 16
3 1 2
La matriz A aij
es de dimensin 2 3, i.e.: est compuesta
4 2 5
por 2 filas y 3 columnas. Se cumple adems que: a23 = 5 y a12 = 1.
Dadas dos matrices A y B, se dice que son iguales si, y slo si, tienen la
misma dimensin y los elementos que ocupan el mismo lugar en ambas
son iguales.
Ejemplo 17
3 b c
d 7 4
Las matrices A
y B
son iguales si, y slo si, se
a 1 8
2 e g
cumple que: a 2, b 7, c 4, d 3, e 1 y g 8.
Dadas una matriz A, se llama matriz traspuesta de A, At, a aquella matriz que se obtiene al permutar en A las filas por las columnas (es decir,
la primera fila de A pasar a ser la primera columna de At, la segunda
fila de A pasar a ser la segunda columna de At, etctera).
Ejemplo 18
3 1
3 2 1
t
Si A
,
entonces
A
2 1 .
1
1
8
1 8
Observar que:
a) At A .
t
19
FUOC PID_00151937
a11 a12
a
a22
A 21
a
a
n1 n 2
a1n
a2 n
ann
.
diagonal principal
Ejemplo 19
Matrices fila:
02 x3
4 1
1
8
1
2
1
0 0 0
0 0 0
0 0 0
03 0 0 0
0 0 0
0 1
2 1
1 0 5
0 2 2
4 0 1
0 1
1 3
1 0 4
0 2 2
4 2 1
Matrices columna:
Matrices nulas:
Matrices cuadradas:
20
FUOC PID_00151937
0 0
0 3
1 0 0
0 2 0
0 0 1
1 0
I2
0 1
1 0 0
I3 0 1 0
0 0 1
1 4
0 2
1 5 3
0 2 1
0 0 2
1 0
3 2
5 0 0
1 1 0
2 0 3
Matrices identidad:
Suma de matrices
siendo
Ejemplo 20
a b
d e
c 1 2 3 a 1 b 2
4 5 6 d 4 e 5
c3
k A = C = (cij)
siendo
21
FUOC PID_00151937
Ejemplo 21
k 3
1
0 k 1
1 k 3
2 k ( 1)
k0
k 1
k2
El producto de un nmero (escalar) por una matriz verifica las siguientes propiedades:
1) k (A B) = k A k B
2) (k h) A = k A h A
3) k (h A) = (k h) A
4) 1 A = A 1 = A
essent k, h R
Para multiplicar una matriz A = (aij) por otra B = (bij), es necesario que
el nmero de columnas de A coincida con el nmero de filas de B, en
cuyo caso se obtiene una nueva matriz, C = (cij), con tantas filas como
A y tantas columnas como B, y cuyos elementos vienen dados por la expresin:
Ejemplo 22
a b
Si A
d e
0 1 1
c
3 3 1
d0 e3 3 d1 e( 2) ( 3) d( 1) e2 1
Observar, sin embargo, que no es posible calcular el producto de B por A, ya
que el nmero de columnas de B no coincide con el nmero de filas de A.
El producto de matrices verifica las siguientes propiedades:
1) Es asociativo: (A B) C = A (B C).
2) No es conmutativo: A B B A.
3) Si A es una matriz cuadrada de orden n, se cumple que: A In In A A,
donde In es la matriz identidad de orden n.
FUOC PID_00151937
22
Ejemplo 23
Figura 4
Nota
Estos outputs ilustran el uso de
los programas Mathcad y Wiris
para realizar operaciones bsicas en matrices.
23
FUOC PID_00151937
4. Determinantes
Toda matriz cuadrada A de orden n 1 tiene asociado un nmero concreto, al cual llamaremos determinante de A, y que se suele denotar
por det(A) o bien por A.
Nota
No se debe confundir una matriz (que es una tabla de nmeros) con su determinante
asociado, el cual es un simple
nmero.
a
31 a32
a11
a12
a21 a22
a31 a32
a13
a23 y
a33
a13
Observacin
a23 a11 a22 a33 a21 a32 a13 a31 a23 a12
a33
a13 a22 a31 a23 a32 a11 a33 a21 a12
a12
a21 a22
a31 a32
a13
a11
a12
a12
a13
a13
a11
a23
a33
1 2
= 1 3 0 (2) = 3
0 3
24
FUOC PID_00151937
3 4
= 2 (4) 5 3 = 8 15 =23
3 2
4 1
1
5
a11 a12
a21 a22
Dada la matriz cuadrada A
an1 an2
a1n
a2 n
, llamaremos adjunto
ann
si i j par
.
si i j impar
i. e.: (1)ij
Observar, por tanto, que el signo asociado a cada adjunto depender de la posicin inicial del elemento aij segn el esquema siguiente:
.
25
FUOC PID_00151937
Ejemplo 25
a11 a12
Dada una matriz cuadrada de orden n = 3, A a21 a22
a
31 a32
a13
a23 , el adjunto
a33
a21 a22
a
31 a32
a13
a23
a33
En definitiva, A21
a12
a13
a32
a33
Ejemplo 26
a11 a12
a
a
Dada una matriz cuadrada de orden n = 4, A 21 22
a31 a32
a41 a42
a13
a23
a33
a43
a14
a24
,
a34
a44
se tiene que:
A11
a22
(1)11
a32
a42
a23
a33
a43
a21 a22
A13 (1)13 a31 a32
a41 a42
a21 a23
a24
a34 , A12
a44
(1)12
a31 a33
a41 a43
a24
a34 ,
a44
a24
a34 etctera.
a44
Proposicin. Es posible calcular el determinante de una matriz cuadrada A, de orden n, a partir de los adjuntos de una fila o de una columna.
En efecto:
A = ai1 Ai1 ai2 Ai2 ... ain Ain
o tambin:
A = a1j A1j a2j A2j ... anj Anj
26
FUOC PID_00151937
Ejemplo 27
A 2 1 2
0 1 1
Ejemplo 28
0
A
2
0 1 1
0 1 0
1 1 1
2 0 1
1 0 1 1
0 0 1 0
2 1
0 2
1
0
1
1
A23
(1)23
1 0 1
2 1 1 3
0 2 1
Por tanto:
1 0 1 1
0 0 1 0
2 1
0 2
1
0
1
1
(3) 3.
FUOC PID_00151937
27
Las siguientes propiedades pueden resultar de suma utilidad a la hora de calcular determinantes de cualquier orden:
Ejemplo 29
1 2 3 1 1 0
1 0 0 2 0 0 2
0 0 1 3 0 1
28
FUOC PID_00151937
Ejemplo 30
1 2 3
1 2 3
0 0 1 1 0 0
1 0 0
0 0 1
1 2 3
1 2 3
en efecto: 0 0 1 2 y 1 0 0 2
1 0 0
0 0 1
Ejemplo 31
Nota
1 2 3
1 2 3 0 (la F1 y la F2 son iguales)
1 0 0
1 2 3
1 2 3 0 (la C1 y la C2 son proporcionales)
1 2 0
Ejemplo 32
1 2 3
0 0 0 0
1 4 3
5) Multiplicar un determinante por un nmero es equivalente a multiplicar cualquier lnea (fila o columna) por dicho nmero.
Ejemplo 33
1 2 3 1 2 32
1
2
3
2 0 0 1 0 0 1 2 2 0 2 0 2 1
1 0 0 1 0 02
1
0
0
F1 significa fila 1.
C1 significa columna 1.
29
FUOC PID_00151937
Ejemplo 34
2 45 3 2 4 3 2 5 3
0 33 2 0 3 2 0 3 2
0 1 2 5 0 1 5 0 2 5
7) Si los elementos de una lnea (fila o columna) son combinacin lineal de las otras, entonces el determinante vale 0.
Ejemplo 35
1 3 2 1 3
2 0 2 2 0 0 (la C2 es combinacin lineal de la C1 y la C3)
3 1 23 1
8) Si a los elementos de una lnea (fila o columna) se le suman los elementos de otra lnea previamente multiplicados por un nmero, el valor del determinante no vara. Anlogamente, por extensin, si a una
lnea se le suma una combinacin lineal de las otras.
Ejemplo 36
1 5 3 1 5 2 1 3
2 3 0 2 3 22 0
3 4 1 3 4 23 1
9) El determinante de un producto de matrices es el producto de los determinantes de cada una de ellas, i.e.:A B = A B
Ejemplo 37
2 0
A
,
3 1
0 1
B
,
1 1
0 2
AB
A = 2, B = 1, A B
1 4
y efectivamente,A B22 () =A B
30
FUOC PID_00151937
Proposicin. Una matriz cuadrada A es no singular (i.e., A tiene inversa) si, y slo si, su determinante es no nulo. En tal caso, se cumple que:
A 1
adj( A)
A
Ejemplo 38
2 0 1
2 0 1
Dada la matriz A 2 1 0 , tiene inversa, ya que A 2 1 0 4 0
0 1 1
0 1 1
1 0
A21
A31
1 ,
0 1
1,
1 1
0 1
1,
1 0
A12
A22
2 0
2 ,
2 1
2,
0 1
A32
2 1
2 ,
2 0
A13
2 1
2 ,
0 1
A23
A33
2 0
2 ,
0 1
2 0
2 ,
2 1
1 2 2
Por tanto: adj( A ) 1 2 2
1 2 2
adj( A)
As pues, A 1
1 4
1 1
1
1
2
2 2
4
2
2 2 2 1
1
4
1
2
1
2
1
4
1
2
31
FUOC PID_00151937
A A 1
2 0 1 4
1
2 1 0
0 1 1 2
1
4
1
A 1 A
2
1
4
1
2
1
2
1
4
1
2
1
2
1
4 1 0 0
0 1 0
2
0 0 1
1
1
4 2 0 1 1 0 0
2 1 0 0 1 0
2
0 1 1 0 0 1
1
Obviamente, podemos utilizar cualquier software matemtico para obtener la inversa de una matriz, siempre que sta exista:
Figura 6
32
FUOC PID_00151937
Ejemplo 39
4 2
1 2
Dada la matriz A = 0
3
1 1 el nmero de filas linealmente inde
0
0 2 3
2 3 4 1
Dada la matriz A = 4 6 8 2 , un menor de orden 2 de la matriz A
2 0 1 0
se obtiene al seleccionar dos filas y dos columnas. Por ejemplo, si seleccionamos las dos ltimas filas y las dos ltimas columnas obtenemos el siguiente menor:
8 2
1
Otro menor de orden 2 es, por ejemplo, el que se obtiene de seleccionar las
dos ltimas filas y las columnas primera y tercera:
4 8
12
2 1
Dado un menor de orden h, se llama orlado de dicho menor al determinante que se obtiene tras aadir al menor, de forma ordenada, los elementos de una nueva fila y de una nueva columna.
Ejemplo 41. Orlado de un menor
Siguiendo con el ejemplo anterior, a partir del ltimo menor se pueden generar dos orlados:
El menor de orden 3 que se obtiene al agregar la primera fila y la ltima
columna:
2
4 8 2
2 1 0
33
FUOC PID_00151937
4
2
6
0
8
1
En otras palabras: si todos los elementos de una matriz son ceros, el rango de
la matriz es cero. Si la matriz tiene algn elemento no nulo, su rango ser igual
o mayor a uno. Para determinarlo, ser necesario hallar el menor no nulo de
orden mayor que se puede formar con los elementos de la matriz. El orden
de dicho menor ser el rango de la matriz.
Ejemplo 42. Clculo del rango de una matriz
20
4 8 2 0
2 1 0
6
0
8 2 0
1 0
34
FUOC PID_00151937
1
A
4
3 0 2
0 1 1
6 0 4
3 0 1
Obviamente, el rango estar entre los valores 1 (ya que la matriz es no nula)
y 4 (ya que, como mximo, se podr formar un menor de orden 4).
Es fcil hallar un menor de orden 2 no nulo:
est claro que rg(A) 2.
2 3
3 0 . Por tanto, ya
1 0
2 3 0
1 0 1 0 (la 3. fila es mltiplo de la 1.)
4 6 0
2 3 0
1 0 1 0 (la 1. y la 3. filas son iguales)
2 3 0
2 3 2
1 0 1 (0 6 6) (0 3 6) 3 0
2 3 1
Hemos hallado un menor de orden 3 no nulo, por tanto: rg(A) 3. Usaremos este nuevo menor como base de orden 3.
Resulta, sin embargo, que rg(A) 4, ya que el nico menor de orden 4 que
se puede formar es nulo:
2 3 0 2
1 0 1 1
4 6 0 4
2 3 0 1
Por tanto, se tendr que rg(A) 3.
FUOC PID_00151937
35
Ejemplo 44
Los vectores de R3 (2, 1, 2), (3, 2, 1), (1, 1, 7) son linealmente dependientes, ya que dada la matriz formada disponindolos en columnas
2 3 1
A 1 2 1 tiene rg(A) 2 (basta comprobar que A 0 y que hay un
2 1 7
36
FUOC PID_00151937
Ejemplo 45
Vamos a comprobar, usando la proposicin anterior, que el rango del conjunto {(1, 3, 0), (1, 2, 4), (1, 1, 2)} es 3, i.e.: que los tres vectores anteriores
son linealmente independientes:
1 3 0
1 2 4 = 4 12 (4) (6) 2 0
1 1 2
Ejemplo 46
Vamos a comprobar, usando la proposicin anterior, que el rango del conjunto {(1, 3, 0), (1, 2, 4), (0, 5, 4)} es inferior a 3, i.e.: que los tres vectores
anteriores son linealmente dependientes:
1
1 2 4 = 8 (20) 12 = 0
0 5 4
Ejemplo 47
2 6 4
A=
. Tenemos que rg(A) = 2 (comprobarlo con software) y por
3 7 4
4 8 4
37
FUOC PID_00151937
Ejemplo 48
Sean B = {(1, 1, 1),(1, 0, 3),(3, 4, 5)} y A = {(2, 3, 1),(0, 0, 1),(2, 1, 0)} dos bases
de R3. Para calcular la matriz del cambio de base de B a A seguimos los pasos:
1) Calculamos las coordenadas de (1, 1, 1) en A resolviendo la ecuacin
matricial:
2 0 2 c11 1
31
M
c11 2 0 2 1
c21 3 0 1 1
c 1 1 0 1
31
2) De la misma forma se calculan las coordenadas de los otros dos vectores:
1
c12 2 0 2 1
c22 3 0 1 0
c 1 1 0 3
32
1
c13 2 0 2 3
c23 3 0 1 4
c 1 1 0 5
33
Observamos que los clculos podran haberse hecho con una nica operacin de matrices:
1
3 0 1 1 0 4 c21 c22 c23 = es la matriz del cambio de base de B a A.
1 1 0 1 3 5 c c c
31 32 33
38
FUOC PID_00151937
En este caso el vector que tenga coordenadas (1,1,0) en la base B tendr las
siguiente coordenadas en A:
1 0
C 1 4
0 1
Podemos ver los clculos realizados con la calculadora Wiris:
Figura 8
39
FUOC PID_00151937
De forma intuitiva, parece claro que dos puntos del plano R2 determinan de
forma unvoca una recta r (la que pasa por ambos). Una recta en el plano puede tambin venir determinada por un punto de paso y un vector que marque
la direccin de la recta (vector director). Como se ver a continuacin, las
ecuaciones de una recta r pueden tomar distintas expresiones equivalentes.
Ecuacin vectorial
Dados dos puntos de paso de r, P(p1, p2) y Q(q1, q2), se puede considerar el vec
tor director v = PQ = (v1, v2) = (q1 p1, q2 p2). Cualquier otro punto X(x, y)
de la recta r verificar la ecuacin:
X = P k v, donde k R
(1)
Ecuaciones paramtricas
y p2 k v2
k R
(2)
Ecuacin continua
x p1 k v1
y p2 k v2
x p1
k v
1
, y por lo tanto:
y
p
2
k
v2
x p1 y p2
v1
v2
(3)
40
FUOC PID_00151937
a) La ecuacin punto-pendiente: y p2
v2
( x p1 ) , es decir:
v1
y p2 m (x p1),
donde m
(4)
v2
es la pendiente de r
v1
(5)
2
1
1
2
2
1
2
1
1
2
v1
v2
De forma genrica:
Ax By C = 0,
(6)
Sea r la recta que pasa por el punto P(1, 2) y cuya direccin viene dada por
el vector v = (1, 2).
Ecuacin vectorial: (x, y) = (1, 2) k(1, 2)
x 1 k
Ecuaciones paramtricas:
y 2 k 2
Ecuacin continua:
x 1 y 2
1
2
Ecuacin explicita: y = 2x 4
Ecuacin general: 2x y 4 = 0
kR
kR
FUOC PID_00151937
41
Figura 9
Comentario
Los outputs muestran la representacin grfica de la recta
del ejemplo. En este caso se ha
hecho uso de Mathcad para representar la recta a partir de las
ecuaciones paramtricas, y se
ha usado Wiris para representarla a partir de la ecuacin
vectorial.
Dados dos puntos de paso de r, P(p1, p2, p3) y Q(q1, q2, q3), se puede con
siderar el vector director v = PQ = (v1, v2, v3). Cualquier otro punto
X(x, y, z) de la recta r verificar la ecuacin: X P k v, donde k R.
De esta forma, se pueden considerar las siguientes ecuaciones alternativas (siempre que v1 v2 v3 0):
Ecuacin vectorial: (x, y, z) = (p1, p2, p3) k (v1, v2, v3)
42
FUOC PID_00151937
x p1 k v1
Ecuaciones paramtricas: y p2 k v2
z p k v
3
3
Ecuaciones continuas:
x p1 y p2 z p3
v1
v2
v3
Ejemplo 50
Sea r la recta que pasa por el punto P(1, 2, 1) y cuya direccin viene dada
por el vector v (1, 2, 2).
Ecuacin vectorial: (x, y, z) (1, 2, 1) k(1, 2, 2)
x 1 k
Ecuaciones paramtricas: y 2 2 k
z 1 2k
Ecuacin continua:
kR
kR
x 1 y 2 z 1
1
2
2
La ecuacin de un plano en el espacio R3, viene determinada por un punto del plano, P(p1, p2, p3), y dos vectores no nulos y no proporcionales (i.e.,
no paralelos), u (u1, u2, u3) y v (v1, v2, v3). Es posible considerar distintas
expresiones equivalentes para la ecuacin de un plano en el espacio:
Ecuacin vectorial
(x, y, z) (p1, p2, p3) k (u1, u2, u3) h (v1, v2, v3) donde k, h R.
43
FUOC PID_00151937
Ecuaciones paramtricas
x p1 k u1 h v1
y p2 k u2 h v2
z p k u h v
3
3
3
donde k, h R.
Ecuacin general
A partir de la ecuacin
x p1
y p2
z p3
u1
v1
u2
v2
u3
v3
presin de la forma Ax + By Cz D 0.
Ejemplo 51
Sea el plano que pasa por el punto P(1, 2, 3) y tiene por vectores directores
u (1, 0, 1) y v (0, 1, 1). Entonces:
x 1 y 2 z 3
Ecuacin general:
1
0
0
1
1
1
0 x y + z 2 0.
44
FUOC PID_00151937
Dados dos vectores del espacio vectorial Rn, u (u1, u2, ..., un) y v
(v 1, v 2, ..., v n), se define el producto escalar de ambos, u v, de la
siguiente forma:
u v = u1 v1 + u2 v2 + ... + un vn
Observar que:
a) El producto escalar de dos vectores de Rn da como resultado un nmero
real.
b) Usando notacin matricial, se puede escribir el producto escalar u v como
el producto matricial de la matriz fila (u1 u2 ... un) por la matriz columna de las
coordenadas de v.
v1
v
u v = (u1 u2 ... un) 2
v
n
Ejemplo 52
cualquiera. Se cumple:
a) u v = v u
b) (u + v) w = u w v w
c) (cu) v = c(u v) = u (cv)
d) u u 0 y u u = 0 si, y slo si, u = 0 es el vector nulo (i.e.: u = (0, 0, ..., 0))
45
FUOC PID_00151937
( v v) =
En R2 y R3 este concepto coincide con la nocin usual de la longitud del segmento orientado (flecha) que representa a un vector.
cumple:
a) u 0 y u = 0 si, y slo si, u = 0
b) cu = cu (donde c es el valor absoluto de c)
c) u v uv (desigualdad de Cauchy-Schwarz)
d) u + v uv (desigualdad triangular)
Un vector unitario es aquel cuyo mdulo o longitud vale 1. Observar que, dado
un vector no nulo u de Rn, siempre es posible obtener otro vector v unitario con
la misma direccin y sentido que u: basta para ello con tomar v = u /u. Este
proceso se llama normalizacin del vector u.
Ejemplo 53
w=
(22 12 32 ) =
14 1
El concepto de mdulo de un vector permite introducir otro concepto importante, el de distancia entre dos vectores en Rn:
Nota
dist(u, v) u v
Si u OP y v OQ ,
dist(u, v) es intuitivamente
la distancia entre los puntos
P i Q, calculada como PQ .
46
FUOC PID_00151937
Ejemplo 54
(( 1)2 32 ( 1)2 ) 11
Dados u y v vectores no nulos en R2 o R3, se define el ngulo entre ambos como el nmero real , perteneciente al intervalo [0,], tal que:
cos() =
uv
u v
Ejemplo 55
cos() = u v/uv = 12 / ( 14
21 ) = 0.69985
Dados u y v vectores en Rn, se dice que son ortogonales (intuitivamente perpendiculares) entre s cuando se cumple:
uv=0
Nota
se expresa en radianes.
47
FUOC PID_00151937
El conjunto de todos los vectores u de Rn que son ortogonales al subespacio W se llama complemento ortogonal de W y se denota por W.
En R3, considrese el plano xy, cuya ecuacin es z = 0. Este plano es un subespacio vectorial de R3 formado por los vectores cuya tercera coordenada
es nula, i.e.:
W = { (x, y, z) R3 / z = 0 } = { (x, y, 0) / x, y R } = <(1, 0, 0), (0, 1, 0)>.
Es evidente, entonces, que el vector u = (0, 0, 1) es ortogonal a W ya que,
dado w = (w1, w2, 0) W, w u = w1 0 w2 0 0 1 = 0.
De hecho, si denotamos por Z al subespacio generado por u, i.e.: Z = <(0, 0, 1)>
es la recta que coincide con el eje z de R3, se tiene que Z es el complemento
ortogonal de W, es decir: Z = W.
Observar que tambin se cumple W = Z.
Por otra parte, se dice que B es una base ortonormal de W si es una base
ortogonal y, adems, todos los vectores que la componen son unitarios.
Observar que dada una base ortogonal B ser inmediato obtener una base
ortonormal: bastar con normalizar cada uno de los vectores de B, i.e.: si
B {u1, u2, ..., up} es una base ortogonal de W, entonces B {v1, v2, ..., vp}
con vi u i / ui (i = 1, 2, ..., p) ser una base ortonormal de W.
Ejemplo 58
48
FUOC PID_00151937
A partir de la base ortogonal B = {u1, u2, u3} resulta inmediato obtener una
base ortonormal B:
(3, 1, 1) =
11
(1, 2, 1) =
(1/2, 2, 7/2) = 33 / 2
Por tanto,
B = {(3/ 11 , 1/ 11 , 1/ 11 ), (1/ 6 , 2/ 6 , 1/ 6 ),
((1/2)/ 33 / 2 , 2/ 33 / 2 , (7/2)/ 33 / 2 )}
es una base ortonormal de R3.
Dada una base B {u1, u2, ..., up} de un subespacio W de Rn, cualquier vector v
de W se podr expresar como combinacin lineal de los elementos de la base,
i.e.: existirn valores reales c1, c2, ..., cp tales que:
v c1u1 c2u2 ... cpup
i.e.:
(v1, v2, ..., vp) c1(u11, u12, ..., u1p) c2(u21, u22, ..., u2p) ... cp(up1, up2, ..., upp)
En general, para determinar el valor exacto de los p coeficientes ci ser necesario resolver el sistema de p ecuaciones lineales resultante:
v1 c1u11 c2u21 ... cpup1
v2 c1u12 c2u22 ... cpup2
...
vp c1u1p c2u2p ... cpupp
En el caso de bases ortogonales, sin embargo, el proceso de determinacin de
los ci se simplifica notablemente:
Teorema. Sea B = {u1, u2, ..., up} una base ortogonal de W Rn, y sea v
con
ci v ui ui ui (i 1, 2, ..., p)
Ejemplo 59
49
FUOC PID_00151937
nnica es v = (6, 1, 8). Cul ser la expresin de v en la base ortogonal B = {u1, u2, u3}?
Si B no fuese una base ortogonal, para responder a la pregunta tendramos
que resolver la ecuacin vectorial:
(6, 1, 8) c1(3, 1, 1) c2(1, 2, 1) c3(1/2, 2, 7/2)
Esta ecuacin vectorial da lugar a un sistema de tres ecuaciones lineales con
tres incgnitas.
Al ser B una base ortogonal, podemos utilizar el Teorema anterior para hallar las coordenadas de v en B:
vu1 11
vu2 12
vu3 33
u1u1 11
u2u2 6
u3u3 33/2
con lo que:
c1 11/11 1
c2 12/6 2
c3 33 / (33/2) 2
Dado un vector v de Rn, un subespacio vectorial W de Rn y una base ortogonal B {u1, u2, ..., up} de W, se llama proyeccin ortogonal de v
sobre W, PO(v, W), al siguiente vector v de W:
PO(v, W) v c1u1 c2u2 ... cpup con ci v ui ui ui (i 1, 2, ..., p)
Ejemplo 60
v u2 = 3
u1 u1 = 30
u2 u2 = 6
con lo que:
c1 = 9/30 = 3/10
c2 = 3/6 = 1/2
50
FUOC PID_00151937
Figura 12
Ejemplo 61
Continuando con el ejemplo anterior, nos planteamos descomponer ortogonalmente el vector v como suma de su proyeccin ortogonal sobre el
espacio W, v, y de otro vector z, perpendicular a W:
Segn hemos visto, PO(v,W) = v = (2/5, 2, 1/5) W
Por otra parte, z = v v = (1, 2, 3) (2/5, 2, 1/5) = (7/5, 0, 14/5)
Comprobemos que, como dice el Teorema, z W, para lo cual ser suficiente con demostrar que z es ortogonal a los vectores de una base de W:
z u1 = 27/5 5 0 (1)14/5 = 0
z u2 = (2) 7/5 1 0 1 14/5 = 0
Figura 13
51
FUOC PID_00151937
Ejemplo 62
v u2 = 21
u1 u1 = 30
u2 u2 = 6
con lo que:
c1 = 15/30 = 1/2
c2 = 21/6 = 7/2
6.4.
En ocasiones puede resultar muy conveniente disponer de una base ortonormal para un subespacio vectorial W de Rn. El proceso de Gram-Schmidt es un
algoritmo que permite obtener una base ortogonal para cualquier subespacio
de Rn no trivial (se entiende por subespacio trivial de Rn al subespacio que slo
contiene el vector 0 de Rn).
Una vez obtenida la base ortogonal, la obtencin de una base ortonormal es
inmediata ya que bastar con normalizar los vectores de la base ortogonal proporcionada por el algoritmo.
52
FUOC PID_00151937
Ejemplo 63
c1 = 3/4
... = (0, 1, 1, 1) 3/4 (1, 1, 1, 1) = (3/4, 1/4, 1/4, 1/4)
Podramos usar directamente el vector v2 que hemos obtenido y continuar con el proceso. Sin embargo, a fin de simplificar los clculos, tomaremos en su lugar el vector proporcional v'2 = 4v2 = (3, 1, 1, 1), el cual
tiene la misma direccin.
Tomamos W2 = <v1, v'2>
Observar que v1 y v'2 son vectores ortogonales ya que v2 W (por el teorema de descomposicin ortogonal); por tanto, {v1, v'2 } es base ortogonal de W2
3. Tomamos v3 = (0, 0, 1, 1) PO(u3,W2) = ...
u3 v1 = 2
u3 v'2 = 2
v1 v1 = 4
v'2 v'2 = 12
c1 = 1/2
c2 = 1/6
... = (0, 0, 1, 1) [ 1/2 (1, 1, 1, 1) 1/6 (3, 1, 1, 1) ] = (0, 2/3, 1/3, 1/3)
53
FUOC PID_00151937
v'2= 2 3
v3=
FUOC PID_00151937
54
Resumen
En este mdulo se han revisado conceptos y mtodos asociados al lgebra lineal y a la geometra, los cuales son bsicos para el desarrollo de mdulos posteriores (sistemas de ecuaciones lineales, transformaciones geomtricas,
aplicaciones lineales, etc.).
En primer lugar, se han revisado los conceptos clave asociados a espacios vectoriales reales:
subespacio vectorial
combinacin lineal de vectores
sistema generador
independencia lineal
rango de un conjunto de vectores
base y dimensin de un espacio vectorial
A continuacin, se han revisado los conceptos clave asociados a la teora de
matrices y determinantes:
dimensin de una matriz
matriz transpuesta
tipos de matrices (diagonal, simtrica, triangular, etc.)
operaciones con matrices (suma, resta, multiplicacin, ...)
matriz inversa
clculo de determinantes de orden 2 y 3
clculo de determinantes por adjuntos
propiedades de los determinantes
clculo de la matriz inversa
clculo del rango de una matriz
determinantes y dependencia lineal
En la parte final del mdulo, se ha realizado una revisin de los siguientes conceptos geomtricos:
ecuaciones de rectas y planos en 2D y 3D
producto escalar en Rn y ngulo entre vectores
ortogonalidad (bases ortogonales y ortonormales)
proceso de ortogonalizacin de Gram-Schmidt
El mdulo se ha completado con ejemplos y actividades resueltas (con y sin
ayuda de software), en las que tambin se han introducido algunas aplicaciones interesantes de la teora expuesta a diferentes mbitos temticos (informtica, telecomunicaciones, economa, etc.).
55
FUOC PID_00151937
Ejercicios de autoevaluacin
1. Determinad cules de los siguientes conjuntos de vectores son base de R3:
a) {(2,3,0), (3,1,2), (1,5,2)}
b) {(1,2,1), (2,4,0), (5,1,1)}
2. Usando determinantes, calculad la inversa, si existe, de la siguiente matriz:
2 1 3
A = 0 1 1
3 1 2
5 4 2
3. Dada la matriz A = 2 1 1 , calculad A2 2A.
4 4 1
1 2 1
B 0 1 0 .
1 0 0
a 0 0
1 a 2 .
1 2 a
7. Dados los vectores (1, 2, 0), (1, 0, 1) y (2, 2, 3), hllese la dimensin
56
FUOC PID_00151937
b) La distancia entre u y v es u v
c) Si dos vectores no nulos son ortogonales entonces son linealmente inde-
pendientes
d) La proyeccin ortogonal de u sobre v es mltiplo escalar de u
e) Si un vector coincide con su proyeccin ortogonal sobre un subespacio, en-
subespacio de Rn
10. Sea W x, y , z R3 |
Sector II
Sector III
Sector I
0.5
0.4
0.2
Sector II
0.2
0.3
0.1
Sector III
0.1
0.1
0.3
Sector II
Sector III
Sector I
0.5
0.2
Sector II
0.2
0.1
Sector III
0.1
0.3
Si la demanda total de consumidores viene dada por el vector (d1, d2, d3)
siendo di la demanda que los consumidores hacen del sector i = 1, 2, 3, entonces la cantidad producida en la economa, (x1, x2, x3), satisface la ecuacin siguiente:
x1
x1 d1
x2 C x2 d2
x
x d
3
3 3
FUOC PID_00151937
57
12. Calculad, usando las propiedades de los determinantes, el valor del deter1 a b c
minante asociado a la matriz A 1 b c a .
1 c a b
14. Dado el punto P(2, 1, 1) y los vectores u = (3, 1, 2) y v = (2, 2, 1), se pide:
a) Ecuacin general del plano que pasa por P y contiene las direcciones u y v.
b) Hallar las coordenadas que faltan en Q(x, 3, 0) para que este punto pertenezca a .
15. El grafo siguiente muestra los enlaces directos existentes entre cinco web
sites pertenecientes a distintas compaas dedicadas al desarrollo de software
de simulacin:
Figura 14
a) Representad matricialmente la informacin que proporciona el grafo anterior sobre enlaces directos utilizando para ello una matriz de ceros y unos, i.e.:
el elemento (M)ij ser 1 si existe un enlace directo entre la compaa que ocupa
la fila i y la compaa que ocupa la columna j (con i distinto de j), siendo 0 en
caso contrario.
b) Representad matricialmente la informacin que proporciona el grafo anterior sobre enlaces no directos separados por un nico web site (por ejemplo,
hay un enlace de este tipo entre los sites A y C, ya que desde A se puede llegar
a C pasando por B).
FUOC PID_00151937
58
16. Una manera elemental de codificar un mensaje de texto consiste en asignar a cada letra del abecedario un nmero. Por ejemplo, usando la asignacin A = 01, B = 02, ..., Z = 27, espacio en blanco = 28, el mensaje maana
da D se codificara (no teniendo en cuenta la acentuacin y las maysculas)
como: 13 01 15 01 14 01 28 04 09 01 28 04. La sucesin anterior se puede
escribir en forma matricial, completando con espacios en blanco (valor 28)
si fuese necesario.
b) Multiplicad la matriz anterior por una segunda matriz (matriz de codificacin-decodificacin que, en general, no puede tener menos filas que columnas
y debe tener rango mximo). Creis que ahora ser ms difcil obtener el texto original a partir de la matriz resultante (sin conocer la matriz de codificacin-decodificacin)?
17. Dados los conjuntos de vectores B {(0, 1, 2), (5, 7, 4), (6, 3, 5)} y
A {(1, 1, 2), (5, 1, 2), (7, 0, 5)} de R3:
18. El grafo siguiente muestra los enlaces directos existentes entre seis web sites
pertenecientes a diversas compaas dedicadas al desarrollo de software matemtico:
FUOC PID_00151937
59
a) Representad matricialmente la informacin que proporciona el grafo anterior sobre enlaces directos utilizando para ello una matriz M de ceros y unos,
i.e.: el elemento (M)ij ser 1 si existe un enlace directo entre la compaa que
ocupa la fila i-sima y la compaa que ocupa la columna j-sima (con i diferente de j ), siendo 0 en caso contrario.
a) Representad matricialmente la informacin que proporciona el grafo anterior utilizando para ello una matriz de ceros y unos.
60
FUOC PID_00151937
Solucionario
Ejemplo introductorio
Estado A
Estado B
Estado C
Estado A
3/4
1/2
1/4
Estado B
1/8
1/4
1/2
Estado C
1/8
1/4
1/4
M
M
1
2
1
3 1 1
vv
4 2 4
1 1
8 4
1 1
8 4
1
2
1
2
0
P(A0)
P(B0)
P(C0)
0.375
0.375
0.25
61
FUOC PID_00151937
Es decir:
En general, se puede comprobar que: Xk = Mk v, lo cual nos permite contestar
al resto de preguntas del primer bloque:
XX2
= M2 vv
2 :
= M77 vv
XX7
7 :
0.531
0.531
X2 0.266
X2
0.266
0.203
0.203
P(A2)
0.608
0.608
X
7
X7 0.218
0.218
0.174
0.174
P(A7)
P(B2)
P(C2)
P(B7)
P(C7)
Concluimos, por tanto, que la probabilidad de la LAN est funcionando correctamente tras uno, dos y siete das es, respectivamente, 0.375, 0.531 y 0.608.
Ejercicios de autoevaluacin
1.
a) El conjunto de vectores {(2, 3, 0), (3, 1, 2), (1, 5, 2)} son linealmente dependientes, ya que:
2 3 0
A 3 1 2
1 5 2
A 0
A 2 4 0
5 1 1
A26
2.
A 1
A11
1
A21
det( A)
A31
A12
A22
A32
A13
62
FUOC PID_00151937
A 1
3 3 3
3 1 4 3 6 1 6 4 6
1
1
1 5 1 3 5 2 3 6 5 6 2 6
6
6
3 1 2 3 6 1 6
2 6
4 2 2
1 2 1 6 2 3
12
5 6 1 3
1 2 1 6 1 3
3.
9 8 4
A 4 3 2 y
8 8 3
9 8 4
5 4 2 9 10 8 8 4 4
A2 2 A 4 3 2 2 2 1 1 4 4 3 2 2 2
8 8 3
4 4 1 8 8 8 8 3 2
1 0 0
0 1 0 I 3
0 0 1
2 2 0
1 y a 1.
2
Ello implica que cualquier valor de a distinto a stos hace que los vectores sean
linealmente independientes (y, por tanto, base de R3 ya que son 3 vectores).
63
FUOC PID_00151937
X A A1 = B A1 X B A1
Ahora procedemos a calcular la inversa de A y el producto B A1:
A1
5 10 2
0 1 0
2 3 1
a2 4 2 a 2 a
a2 4 0
0
a2 2a
Transponemos: 2 a
2 a 2a a2
1
Y dividimos por el determinante de la matriz:
a 2 a
a 2 a
0
a
a2 4
2
a2 4
a2 4
a
2
a 4
0
7. La dimensin del subespacio generado es igual al rango de la matriz formada por los vectores dados.
1 1 2
rg 2 0 2 = 2 y por tanto la dimensin del subespacio es 2.
0 1 3
Como el menor
1 1
0 tenemos que los vectores que proporcionan ese me2 0
nor, (1, 2, 0) y (1, 0, 1) son linealmente independiente y por tanto forman una
base del subespacio.
Para que (4, 3, k) (1,2,0),(1,0,1) este vector debe ser linealmente dependiente con los vectores de la base del subespacio, esto es el determinante:
1 1 4
2 0 3 = 0, esto es 5 2k = 0 y por tanto k = 5/2.
0 1 k
64
FUOC PID_00151937
8.
a)
1 1 3
1 2 4 0 y
2 3 3
1 0 1
0 1 1 0 y por tanto los dos conjuntos de vectores son
1 1 0
linealmente independientes y por ser dim R3 = 3, concluimos que los dos conjuntos son base de R3.
Las coordenadas de v en B son:
1
1 1 3 1 1/ 2
1 2 4 1 1/ 4
2 3 3 1 1/ 4
1 0 1 1 1/ 2
0 1 1 1 1/ 2
1 1 0 1 1/ 2
1 0 1 1 1 3 1 1 1
0 1 1 1 2 4 1 2 2
1 1 0 2 3 3 0 0 2
1 2 2 1/ 4 1/ 2
0 0 2 1/ 4 1/ 2
9.
a) V
b) V
c) V d) F e) V f) V
10.
a) En primer lugar comprobemos que B1 W . Slo hay que comprobar que
65
FUOC PID_00151937
y efectivamente:
2 ( 1) ( 1) 0 2, 1, 1 W
Ahora, el vector v en la base que nos piden ser de la forma (a, b), que se calcula resolviendo el sistema:
2, 1, 1 a 1, 0, 1 b 1, 3, 2
que corresponde a este sistema de tres ecuaciones con dos incgnitas:
de donde podemos comprobar que a = 5/3 y b = 1/3, por tanto son los coeficientes de nuestro vector.
c) Ahora, el vector v en la base dada ser tambin de la forma (a, b), y resol-
viendo el sistema:
66
FUOC PID_00151937
1 b
1 a b
de donde podemos comprobar que a = 2 y b = 1 por tanto son los coeficientes de nuestro vector en dicha base.
d) Lo que haremos es poner los vectores de B1 en combinacin lineal de los
de B2, as:
1, 0, 1 a 1, 0, 1 b 0, 1, 1 a 1
b0
esto es, que podemos escribir el vector (1, 0, 1) como (1, 0) en la base B2:
1, 3, 2 a 1, 0, 1 b 0, 1, 1 a 1
b3
1 1
A
0 3
11.
a) A partir de la expresin matricial se despeja el vector de produccin X, del
modo siguiente:
X CX D IX CX D X (I C)1 D
67
FUOC PID_00151937
Dado que I C es
0.5 0.4 0.2
I C 0.2 0.7 0.1
0.1 0.1 0.7
4350
X 3480
1958
391.4
D = (I C) X = 1370.2
587.6
12.
1 a bc
1 a b
1 a c
1 a b
1 c
a 1 a b 1 a b
1 b ca 1 b c 1 b a 1 b c 1 a b 1 b c 1 b c 0
1 c ab 1 c a 1 c b 1 c a 1 b c 1 c a 1 c a
O tambin
1 a bc
1 a abc
1 a 1
1 b c a 1 b b c a (a b c ) 1 b 1 0.
1 c ab 1 c cab
1 c 1
13.
a)
Ecuacin vectorial: (x, y, z) (1, 0, 3) k(2, 1, 4), k R
x 1 2 k
Ecuaciones paramtricas: y k
z 3 4k
Ecuacin continua:
kR
x 1 y
z 3
2
1
4
x 1 y ( 3) 3 3
de donde:
2
1
4
2
x 1 3 x 4
y
As pues, el punto ser Q(4,3/2,3).
3
2
68
FUOC PID_00151937
14.
x ( 2) y 1 z 1
a) Ecuacin general:
3
1
2 0
2
2
1
x 2 y 1 z 1
A(x, y, z) = 3
2 , A(x, y, z) 3 x 9 y 4 z
1
2
1
2
0
M 1
0
1 0 0 0 AA
0 1 0 0 BB
site origen
0 0 1 0 C
C
D
0 0 0 1 D
E
0 1 0 0 E
1
N 0
0
0 1 0 0 AA
0 0 1 0 BB
site origen
1 0 0 1 CC
0 1 0 0 DD
E
0 0 1 0
AB C DE
1
2
M 0
0
A
0 1 0 0 A
B
0 0 1 0 B
1 0 0 1 C
C
0 1 0 0 D
D
E
0 0 1 0
69
FUOC PID_00151937
d) Calculemos M M2:
AB C DE
1
M M2 1
0
1 1 0 0 AA
0 1 1 0 BB
1 0 1 1 CC
D
0 1 0 1 D
E
0 1 1 0
La matriz obtenida representa los enlaces, bien directos o bien a travs de una
conexin, entre los web sites.
16.
a) La matriz buscada puede ser la siguiente (observar que no tiene por qu ser
nica, ya que puede variar en dimensiones):
13
1
15
1
1 1
28 28
4 4
14 9
A partir de esta matriz, no resultara excesivamente complicado (para un especialista) obtener el texto original. Por ejemplo, el valor 1 se repite con bastante
frecuencia, lo que denota que probablemente se trate de una vocal. Lgicamente, cuanto ms largo sea el texto, tanto ms fcil ser detectar patrones en
la secuencia que ayuden a su decodificacin.
b) Podemos obtener una codificacin bastante ms sofisticada si multiplicamos la matriz anterior por otra matriz (la de codificacindecodificacin):
13 14 9
1 1 1
M=
<-- secuencia original
15 28 28
1 4 4
5
8
C=
7
2 7 3
<-- matriz de codificacin-decodificacin
2 4 6
7 5 10
2
127 102
93
2
94
134
CM=
<-- secuencia codificada
147 188 153
215 200
117
FUOC PID_00151937
70
Resulta evidente que, a menos que se conozca la matriz de codificacindecodificacin empleada, no ser sencillo descubrir patrones en la secuencia que
proporcionen pistas sobre el texto original.
17.
FUOC PID_00151937
71
18.
La matriz M ser (entendiendo que cada fila corresponde a las conexiones desde un lugar web origen hacia los lugares web destino):
Los elementos 0 que hay en N significan que no hay enlace directo, ni mediante
una conexin ni mediante dos. Los elementos 1 significan que hay un nico enlace (el cual ser o bien directo, o bien mediante una conexin o bien mediante
dos conexiones). Adems, los elementos 2 indican que se puede hacer el enlace
de dos formas distintas (i.e., uno con una conexin y el otro con dos, etc.). Hay
que observar tambin que, a pesar de que el grafo inicial presenta pocos enlaces
directos, al considerar las conexiones de hasta orden 2 nos percatamos de que casi
todas las webs estn a una distancia de tres clics de ratn.
FUOC PID_00151937
72
19.
a), b) y c): La dimensin de M es 10 10 (10 filas por 10 columnas):
d)
El producto de matrices NO es conmutativo, a pesar de que en este caso particular del ejercicio s lo sea.
FUOC PID_00151937
73
Glosario
adjunto del elemento aij de una matriz cuadrada m Determinante menor complementario del elemento aij con el signo (1)ij donde i, j son los ndices de la fila y la columna
que ocupa el elemento.
base de un espacio (o un subespacio) vectorial f Conjunto de vectores linealmente independientes, tales que todo vector del espacio (o el subespacio) es combinacin lineal de
stos.
base ortogonal f Base cuyos vectores, tomados dos a dos, son ortogonales entre s.
base ortonormal f Base ortogonal que, adems, est compuesta por vectores unitarios.
determinante m Dada una matriz cuadrada, el determinante es un nmero que se calcula
a partir de sus elementos y que proporciona informacin sobre la independencia lineal de
sus filas (y de sus columnas).
dimensin de un espacio (o un subespacio) vectorial f Nmero mximo de vectores
linealmente independientes que contiene este espacio y que es igual al nmero de vectores
de cualquier base del espacio (o subespacio).
espacio vectorial sobre R m Conjunto dotado de una operacin interna que recibe el nombre de suma y una multiplicacin por escalares reales con ciertas propiedades especficas.
generadores de un espacio (o subespacio) vectorial m Todo conjunto de vectores tales que todo vector del espacio (o subespacio) se puede poner como combinacin lineal del
conjunto de generadores.
independencia lineal de vectores f Dado un conjunto {v1, ..., vk} de vectores, es linealmente independiente si la ecuacin k1v1 ... kkvk = 0 implica k1 = ... = kk = 0. En caso contrario decimos que son linealmente dependientes.
matriz f Tabla de nmeros en forma de n filas y m columnas. Esto ser una matriz n m.
matriz inversa f Aquella que presentan las matrices cuadradas que tienen determinante
diferente de cero. Su producto con la matriz dada, tanto por la izquierda como por la derecha,
es la matriz identidad.
menor adj Dada una matriz, se llama menor o determinante menor a cualquier determinante
de la matriz cuadrada que se forme con los elementos de la matriz correspondientes a k filas
y k columnas, suprimiendo las restantes. Las filas y columnas no deben coincidir necesariamente.
menor complementario adj Dada una matriz cuadrada, llamamos menor complementario de un elemento aij, al determinante menor que se forma suprimiendo la fila i y la columna j.
mdulo o norma de un vector Es la longitud de un vector. Se obtiene al calcular la raz
cuadrada del producto escalar del vector por s mismo.
rango de un conjunto de vectores m Nmero mximo de vectores linealmente independientes que contiene.
subespacio vectorial m Subconjunto de un espacio vectorial que tiene estructura de espacio vectorial.
subespacio vectorial generado m Dado un conjunto de vectores {v1, ..., vk}, el subespacio
que genera es el conjunto de todos los vectores que son combinacin lineal de los vectores
del conjunto.
vector m Llamamos vectores a los elementos de un espacio vectorial. Los vectores del espacio vectorial numrico n-dimensional estn formados por una matriz de una sola columna
(o una sola fila) de n elementos.
vector unitario Todo vector cuyo mdulo sea 1.
vectores ortogonales Dos vectores son ortogonales si su producto escalar vale 0.
FUOC PID_00151937
74
Bibliografa
Bibliografa bsica
Anton, H. (2002). Introduccin al lgebra Lineal. Ed. Limusa Wiley.
Libro completo que trata con profundidad los conceptos desarrollados en este mdulo. Incluye bastantes demostraciones, ejemplos y actividades resueltas.
Gonzlez, F.; Villanova, J. (1985). Curso Prctico de Matemticas COU. Edunsa.
Contiene buenos resmenes tericos y abundantes ejercicios resueltos o con solucin.
Lay, M. (1999). lgebra Lineal y sus Aplicaciones. Prentice-Hall.
Libro completo, especialmente orientado a las aplicaciones del lgebra lineal en diversos
campos.
Vizmanos, J.; Anzola, M. (1995). Matemticas I. Editorial SM.
Explica con claridad los conceptos e incluye abundantes ejemplos.
Bibliografa complementaria
Bermdez, L. y otros (1995). lgebra Lineal. Ediciones Media.
Fraleigh, J.; Beauregard, R. (1989). lgebra Lineal. Addison-Wesley.
Hernndez, E. (1994). lgebra y geometra. Addison-Wesley.
Lipschutz, S. (1992). lgebra Lineal. McGraw-Hill.
Meyer, C. (2004). Matrix Analysis and Applied Algebra. En: http://matrixanalysis.com
Porter, G.; Hill, D. (1996). Interactive Linear Algebra. Springer-Verlag.
Sydsaeter, K.; Hammond, P. (1996). Matemticas para el Anlisis Econmico. Prentice-Hall.